GEO基础理论

Retrieval Scoring机制：AI如何给候选内容打分 上个月有个做SaaS的朋友问我：“我的内容明明被AI召回了，为什么最后不被引用？” 我让他给我看他的内容。他打开Perplexity，搜了一个产品相关的问题，然后给我看Perplexity底部的"来源"列表——他的网站赫然在列，排第7个。 ...

为什么今天引用率20%明天8%？理解GEO的黑箱概率本质 上周，某B2B公司的增长负责人发来一份Excel，满脸焦虑： “塔迪，你看这个数据—— 第1周：AI引用率18% 第2周：22% 第3周：9% 第4周：19% 我们什么都没改，为什么跳这么大？是不是哪里出问题了？” 我问他：“你们内容有改动吗？” ...

GEO的本质：从争夺注意力到占据认知——AI如何构建可信源列表 阅读提示 为便于理解，本文使用了"AI记住"“可信源列表"“入库"等表达。 需要明确：AI并无记忆或名单，而是在生成答案时通过概率机制选择内容。 这些比喻帮助建立认知锚点，但真实机制是：哪些内容结构和来源关系在概率空间中更容易被采样和复用。 ...

Token经济学的第一性原理：AI为什么这样处理你的内容 过去一年，我见过太多这样的困惑： 某创业公司的内容负责人拿着两篇文章来问我，“都是3000字，都做了结构化，为什么一篇被AI引用了15次，另一篇只有3次？” 我打开两篇文章的源代码，计算了一下Token消耗——第一篇2800 tokens，第二篇4200 tokens。同样的字数，Token消耗差了50%。 ...

AI推荐经济学：为什么你会被AI说服—从怀疑到依赖的心理机理 以前，你选择CRM软件： 你问销售员：“我们的产品最好！“你怀疑他有利益冲突，不相信。 你问朋友：“我用Salesforce很好"你觉得他的场景和你不同，只是参考。 你问ChatGPT：“基于你的需求，我推荐…“你认真听了，还做了笔记。 ...

2026年最值得学的营销技能：生成引擎优化（GEO）完全入门 本GEO系列，第一篇《AI 搜索新范式：生成引擎优化（GEO）入门》，就讲了GEO入门，但读者反馈过于简略，希望增加一些更落地一些的内容。后来写了一篇《一张地图+一条最短路径：新手如何30天启动GEO并看到效果》，收到很好的反馈，但也有一些读者提出希望能够再简单一些，塔迪就重写了今天这篇入门篇。 2024年11月，SEO老王遇到了职业生涯最大的危机。 ...

AI搜索的语义场优化：如何让你的内容覆盖“相关查询”而非单点关键词 你的内容关键词排名第一，但ChatGPT就是不引用你。 这不是偶然。某B2B SaaS公司做了个测试：他们的"CRM系统选型指南"在Google排名前三，但在AI搜索中几乎隐形。当用户问"如何选择客户管理软件"时，AI引用了竞品；问"销售团队需要什么工具"时，AI还是没提他们。 ...

AI搜索的意图迁移：信息型被拦截，决策型+交易型成为新战场 你的GEO内容被AI引用100次，带来的转化却只有5个。 不是内容不够好，而是你还在优化信息型意图内容——那些"什么是XX"、“如何做XX"的查询。当AI搜索把更精准的流量导给你，你并没有做好迎接转化的准备。 2025年7月数据显示，零点击搜索已从56%飙升至69%，信息型查询几乎都被AI Overview直接回答。漏斗顶层的流量，正在以肉眼可见的速度流失。 ...

从RAG到Fine-tuning：AI搜索的两条技术路线 你花3个月优化的GEO内容，在Perplexity里被高频引用，在ChatGPT里却几乎隐形。 不是你的内容不够好。而是AI搜索引擎背后有两条完全不同的技术路线，你用一套策略去应对所有平台，注定会在某些地方失效。 塔迪输出的文章偏长，源于塔迪总想一次把事情都讲完整，不留尾巴。但有读者反馈，这样阅读压力很大。前一段时间使用NotebookLM的音频概览功能，发现主持人可以把我的文章转变为通俗易懂的方式讲出来，让我这个技术脑袋从不同的视角看自己的文章，大有收获，所以很想分享给大家，尤其时间比较紧张的读者朋友…当然有时间的朋友，塔迪还是建议大家完整地看文章。 ...

标题、摘要、正文：AI搜索如何扫描你的内容 你花3小时写完一篇5000字文章，AI只用0.3秒扫描完。但它到底看了什么？ 标题看了，摘要看了，然后…跳过了你精心打磨的2000字论述，直接提取了第4段的那个表格。 为什么？ 因为AI不像人类从头读到尾，它有特定的"扫描路径"——先看标题判断主题，再看摘要提取核心观点，最后跳跃式扫描结构化要点。你优化了内容质量，却没优化AI的"阅读习惯"。 ...

内部链接for GEO：如何构建内容知识图谱 你有100篇优质文章，每篇都做了GEO优化，关键词布局合理，E-E-A-T信号清晰。但ChatGPT搜索相关主题时，只引用了你的3篇内容。 为什么？ 因为AI看到的不是"一个完整的知识体系"，而是"100个孤立的信息点"。你缺的不是内容质量，而是让AI理解"这些内容如何组成一个系统化的专家体系"的能力。 ...

AEO、GEO、LLM优化：三个概念的边界与联系 你听到AEO，点头说懂了。 又听到GEO，赶紧记笔记。 然后有人说LLM优化，你就懵了。 到底这三个概念有什么区别？还是只是换了马甲的同一件事？ Ahrefs的Director of Content Ryan Law直言不讳：“GEO、LLMO、AEO……说到底都只是SEO”。但真的这么简单吗？让我——塔迪——带你一层层剥开这三个概念的真相。 ...

搜索引擎30年：从Yahoo到AI搜索的范式更替 30年前，你想找个网站，得记住URL手动输入。 20年前，你在Google输入关键词，翻10页结果。 今天，你问ChatGPT一个问题，直接给你答案。 每一次范式更替，都不是技术的进化，而是人类获取信息方式的革命。 1994年，Yahoo!由Jerry Yang和David Filo创立，最初只是一个人工编辑的网站目录。从那时到现在，搜索引擎走过了三个时代，每个时代都改写了游戏规则。 ...

AI搜索的信息检索逻辑：为什么不是关键词匹配 你在Google输入"降噪耳机推荐"，排第一。 你在ChatGPT问同样的问题，压根没提你。 为什么？ 因为AI搜索不是在"匹配关键词"，而是在理解语义。 关键词搜索匹配查询中的精确词语与内容，但经常错过搜索的上下文或用户意图。而语义搜索专注于查询的上下文，使用自然语言处理和机器学习。当你还在优化关键词密度时，AI已经在读懂用户的真实意图。 ...

中文内容的GEO特殊性：分词、语义与引用逻辑 你在Google上排名第一，海外流量不错。你在百度也有曝光，国内访问还行。但你发现，ChatGPT从不引用你的英文内容，Kimi也找不到你的中文页面。 问题出在哪？ 因为你用SEO的思维在做双语内容，而AI搜索已经改写了游戏规则。 2025年，ChatGPT月访问量37亿，Kimi月访问量2800万。用户不再只是"搜索"，而是在"提问"。他们问ChatGPT"哪个品牌的XX最适合欧洲市场"，问Kimi"国内有哪些XX解决方案"。 ...

ChatGPT引用机制深度解析：你的内容如何进入上下文窗口 你的内容写得专业、数据详实、逻辑严密。 但为什么ChatGPT不引用你？ 答案藏在一个你看不见的战场：上下文窗口（Context Window）。 这是AI搜索时代最关键的流量入口，也是99%创作者的认知盲区。 今天塔迪Tardi，通过一篇文章给你一下子说明白，让你不再一脸地懵。这是做好GEO最重要的一课，大家一定要做到真正地明白理解。 ...

E-E-A-T：AI搜索时代的信任货币 你的内容专业度拉满，数据详实，逻辑严密。 但为什么AI搜索还是不引用你？ 答案藏在Google 2022年悄然升级的一个字母里：E-E-A-T。 从E-A-T到E-E-A-T，多出的这个E（Experience），不是简单的指标加法，而是AI搜索信任机制的底层重构。当ChatGPT、Perplexity、DeepSeek们成为新入口，它们判断"该不该信你"的标尺，正是E-E-A-T的四个维度。 ...

揭秘生成式引擎优化（GEO）诞生的三大核心驱动力 核心观点： 生成式引擎优化（GEO）的诞生，并非一个简单的营销术语，而是技术、用户行为和经济结构三重变革下的必然产物。GEO是内容创作者和品牌在“答案即结果”的AI搜索时代，确保可见性与重塑品牌权威的解药。 在过去的二十年里，搜索引擎优化（SEO）一直是数字世界的“宪法”，其核心任务是争夺排名、赢得点击。然而，随着生成式引擎（如ChatGPT、Google Gemini、豆包、Kimi等）的崛起，传统的“提供链接”模式正被“直接提供答案”的新范式取代。这场技术革命要求内容创作者进行深层次的策略调整，从底层逻辑到执行框架都需重新构建。 ...

AI 搜索新范式：生成引擎优化（GEO）入门 引言：生成式引擎与内容创作者的挑战 随着大型语言模型（LLMs）如ChatGPT、Google Gemini的崛起，信息获取方式正在经历一场革命。AI不再是返回一堆链接，而是直接生成结构化的答案。在这个新的搜索生态中，AI的回答已经成为了用户的“第一手资料”。 对于内容创作者来说，这既是机遇，也是挑战。如何确保自己的内容能够被AI识别并引用，成为用户询问问题时的“标准答案”？这就是今天我们讨论的主题——生成引擎优化（GEO）。 ...